Closed-Loop Evaluation of Bird's-Eye-View Maps from Cross-View Transformers as Inputs to Behavior-Cloning Policies

تخيل سيارة ذاتية القيادة ليس كإنسان آلي يمتلك دماغاً، بل كطالب يتعلم القيادة من خلال مراقبة معلم. هذه هي الفكرة الجوهرية وراء "الاستنساخ السلوكي"، وهي طريقة تدرس فيها الذكاء الاصطناعي ساعات من الفيديو من خبير بشري وتحاول تقليد كل حركة من حركاته. ولكي ينجح هذا التعلم، تحتاج السيارة إلى خريطة واضحة ومبسطة للعالم فوقها مباشرة، تُعرف باسم "منظور عين الطائر". هذا المنظور العلوي يزيل الزوايا المربكة والتشوهات الناتجة عن الكاميرا العادية، حيث يُظهر الطريق، والمسارات، والأجسام الأخرى في شبكة مسطحة وسهلة القراءة. وبينما يسهل إنشاء هذه الخريطة المثالية في محاكاة حاسوبية، يجب على السيارات في العالم الحقيقي إنشاؤها بنفسها باستخدام كاميراتها فقط، وهي عملية تؤدي حتماً إلى أخطاء صغيرة. والسؤال الحاسم للباحثين هو ما إذا كانت هذه الأخطاء الصغيرة في الخريطة ستتسبب في اصطدام السيارة أو قيادتها بأمان.

لقد وضع فريق من الباحثين في الاتحاد الفيدرالي في سانتا كاتارينا بالبرازيل هدفاً للإجابة على ذلك عبر اختبار مدى قدرة وكيل قيادة ذاتي على التنقل في مدينة محاكات عند تغذيته بخرائط تم إنشاؤها بواسطة نظام يعتمد على الكاميرا. وقد استخدموا أداة متطورة تسمى "المحول عبر الرؤية" (Cross-View Transformer)، والتي تقوم بربط الصور من كاميرات متعددة لبناء تلك الخريطة العلوية. ولجعل الخريطة مفيدة قدر الإمكان، علموا النظام التعرف على ستة أنواع مختلفة من المعلومات في وقت واحد: سطح الطريق، المسار المخطط الذي يجب أن تتبعه السيارة، الخطوط التي تحدد المسارات، المركبات الأخرى، المشاة، وإشارات المرور. ثم قاموا بتدريب سياسة قيادة لتوجيه السيارة بناءً على هذه الخائط، مقارنين مدى جودة أداء السيارة عند استخدام هذه الخرائط المولدة بالكاميرا مقابل تزويدها بالخرائط المثالية (الحقيقة الأرضية) المتاحة فقط في المحاكاة.

اكتشف الباحثون أن مجرد جعل الخريطة أكثر دقة بشكل عام لا يضمن قيادة أكثر أماناً. فقد وجدوا أن العامل الأهم لم يكن الجودة المتوسطة للخريطة بأكملها، بل جودة الخريطة في لحظات محددة وخطيرة: المنعطفات الحادة والتقاطعات المزدحمة. ولمعالجة ذلك، قدموا خدعة تدريبية ذكية؛ حيث علموا النظام إعطاء اهتمام إضافي للمواقف الصعبة والنادرة، مثل الالتفاف حول زاوية أو عبور تقاطع، من خلال ترجيح عملية التعلم للتركيز على هذه اللحظات غير الممثلة كفاية. هذا النهج، الذي أطلقوا عليه اسم "تقدير كثافة النواة"، أخبر الكمبيوتر جوهرياً: "لا تتعلم فقط القيادة في الطرق المستقيمة؛ بل تعلم كيفية التعامل مع المنعطفات".

كانت نتائج محاكاتهم كاشفة. فعندما اختبروا السيارات في مدينتين افتراضيتين مختلفتين، أظهر النموذج الذي تم تدريبه مع هذا التركيز الخاص على المنعطفات والتقاطعات الصعبة أداءً أفضل من جميع النماذج الأخرى. لقد كان النسخة الوحيدة من السيارة التي تمكنت من إكمال مسار قيادة كامل دون ارتكاب مخالفة مرورية واحدة، مثل الخروج عن الطريق أو عدم اتباع المسار. في المقابل، فشلت النماذج الأخرى، حتى تلك التي أنتجت خرائط بدقة متوسطة أعلى، بشكل متكرر. ولاحظ الباحثون أن السيارات غالباً ما تفشل في الأماكن التي تكون فيها الخريطة خاطئة قليلاً بشأن شكل المنعطف أو اتجاه الدوران.

يسلط هذا الاكتشاف الضوء على رؤية حاسمة لمستقبل القيادة الذاتية: مقاييس الدقة العالمية قد تكون مضللة. يمكن للخريطة أن تبدو مثالية في المتوسط، ولكنها قد تظل خطيرة إذا فشلت في النقطة التي تحتاج فيها السيارة لاتخاذ قرار حاسم. أظهرت الدراسة أن قناة "المسار المخطط" - الجزء من الخريطة الذي يوضح أين ينبغي للسيارة أن تذهب - كانت العنصر الأكثر أهمية. فإذا لم يتمكن النظام من رؤية المنعطف أمامها بوضوح، فستقود السيارة مباشرة نحو جدار أو خارج الطريق، بغض النظر عن مدى جودة تعرفها على السيارات الأخرى أو المشاة. وبينما كان النظام لا يزال يعاني في تحديد الأجسام المتحركة مثل الأشخاص والمركبات، استنتج الباحثون أن تحسين وضوح المسار وهندسة الطريق عند هذه التقاطعات الحرجة هو الخطوة الأكثر إلحاحاً لجعل السيارات ذاتية القيادة موثوقة. ويشير العمل إلى أنه لكي تنجح السيارة ذاتية القيادة، يجب ألا تتدرب فقط على رؤية العالم، بل على رؤيته بشكل صحيح عندما يكون الأمر في غاية الأهمية.